breadcrumbs icon
Agriculture

Sécurité alimentaire

L'IA pour comprendre l'adultération dans les aliments couramment utilisés

L'IA pour comprendre l'adultération dans les aliments couramment utilisés

Pour:
Consommateurs, agriculteurs, agences de veille sanitaire
Objectif:
Améliorer l'efficacité des opérations
Problème adressé
Concevoir un outil simple et rentable pour identifier la falsification des produits alimentaires au point d'achat.
But du cas d'usage
Comprendre les modèles d'imagerie hyperspectrale / proche infrarouge (NIR) ou visuelle spécifiquement pour l'adultération dans le lait, les bananes et les mangues.
Description
La falsification des aliments devient une menace, en particulier avec les adultérants qui sont cancérigènes ou nocifs pour les parties du corps comme les reins. Pour donner quelques exemples, le lait est frelaté avec de la soude, de l'urée et des détergents, tandis que les mangues et les bananes sont mûries prématurément avec du carbure de calcium, etc. L'homme ordinaire ne peut pas vivre sans ces articles. Il n'existe aucun moyen frugal d'identifier ce type d'adultération. Une expérience d'adultération contrôlée a été menée et une lecture de réflectance hyperspectrale a été prise. L'IA a aidé à trouver les modèles dans la signature hyperspectrale et a pu classer de manière fiable (90 % ++) les échantillons non frelatés ou frelatés.
perceive frame img
Écouter - Réseau de capteurs - IOT
Voir -Vidéo
understand frame img
Apprentissage automatique
vision par ordinateur
Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.